（原标题：科技浪潮与资本远见交汇，2025资本市场香港论坛成功举办） 【导读】科技浪潮与资本远见交汇：资本市场香港论坛共探2026投资新图景 中国基金报记者 纪瑶 吴娟娟 12月19日，一场汇聚前沿智慧与资本远见的2025资本市场香港论坛在香港成功举办。论坛主题为"科技 与资管赋能高质量发展"，吸引了约150位来自资产管理、金融科技等领域的决策者与专家，共同探讨驱 动行业未来增长的新动能，共同剖析人工智能（AI）驱动的产业革命，把脉全球视野下的中国资产配 置新机遇。 AI赋能：从医药研发到资产管理全链条革新 论坛开场便讨论科技与产业融合的核心。西湖大学讲席教授、药物牧场创始人许田在主题演讲中深刻阐 述了"AI+医药"对产业与社会的深远影响。他指出，生成式AI作为底层技术引擎，正从药物靶点发现、 临床试验设计到精准医疗等环节全方位重塑医疗产业链。 AI的变革力量同样席卷资产管理行业。黄炜卓先生作为香港投资推广署创新及科技、生命与健康科学 总裁，主持了题为"人工智能赋能资产管理行业"的圆桌讨论，来自安永、慧博集团、前路有光及元聚变 的专家们展开了深度对话。他们认为，AI已渗透到资管业务的每个层面。在量化投资领域， ...

擎，正从药物靶点发现、临床试验设计到精准医疗等环节全方位重塑医疗产业链。 AI 的变革力量同样席卷资产管理行业。黄炜卓先生作为香港投资推广署创新及科技、生命与 健康科学总裁，主持了题为 " 人工智能赋能资产管理行业 " 的圆桌讨论，来自安永、慧博集 团、前路有光及元聚变的专家们展开了深度对话。他们认为， AI 已渗透到资管业务的每个层 面。在量化投资领域， AI 不仅用于数据处理和因子挖掘，更在尝试理解复杂的商业世界。 市场展望： " 慢牛 " 共识与全球配置下的中国机遇 【导读】科技浪潮与资本远见交汇：资本市场香港论坛共探2026投资新图景 中国基金报记者 纪瑶 吴娟娟 12 月 19 日，一场汇聚前沿智慧与资本远见的 2025 资本市场香港论坛 在香港成功举办。 论坛主题为 " 科技与资管赋能高质量发展 " ，吸引了约 150 位来自资产管理、金融科技等 领域的决策者与专家，共同探讨驱动行业未来增长的新动能，共同剖析人工智能（ AI ）驱动 的产业革命，把脉全球视野下的中国资产配置新机遇。 论坛开场便讨论科技与产业融合的核心。西湖大学讲席教授、药物牧场创始人许田在主题演 讲中深刻阐述了 "AI+ 医药 " ...

首先是"AI解释员"，也就是负责把算法讲清楚的人。AI系统往往像"黑箱"。它们有时会给出连设计者都 难以完全解释的结果，甚至凭空"编造"答案。随着AI被用于审批贷款、推荐医疗方案、筛选简历等关键 事务，相关方必须弄清楚：系统如何运作？谁负责维护？出了问题该由谁承担责任？ 美国《华尔街日报》 12 月 14 日文章，原题：人工智能未来可能孕育的 4 种新职业 毫无疑问，未来会有许 多我们今天无法想象的职业。尽管现在有关人工智能（AI）抢走人类工作的言论引发了不少争议，但 乐观点想，说不定新技术也能为我们创造新的就业机会。 AI 解释员化身 " 科技律师 " 谈到AI，很多人首先想到的是焦虑。AI技术正以前所未有的速度改变我们的生活和工作方式，这意味 着一些岗位将被淘汰，也意味着很多人的工作方式都会被重塑。对不少体力劳动者来说，跟上这种变化 并非易事。 但与此同时，AI也在创造新的机会。围绕技术本身及其应用场景，新的职业正在孕育之中。预测未来 的工作并不容易，将来时空的许多岗位甚至可能是当下的我们难以想象的，但这种讨论仍然有价值。以 下4种新职业是笔者认为在AI时代可能出现的。 这类专家将帮助企业梳理不同类型AI ...

研究核心观点 - 生成式AI技术已成为驱动互联网媒体产业升级的核心引擎，正在深刻变革行业的内容生产范式、传播路径和商业模式 [1] - 中国互联网媒体行业正从用户规模增长的增量竞争，转向AI赋能的存量精耕与智能生态融合阶段 [2][6] - AI技术对互联网媒体的赋能贯穿内容生产、审核、分发、消费全链路，驱动行业从信息中介转向智能服务枢纽，实现质效升级与价值跃迁 [2][24][26][28][31] - 行业在拥抱AI机遇的同时，也面临信息真实性、视频生成效果、技术成本及安全隐私等多重挑战 [3][46][49][51][54] 行业发展概况 - 互联网媒体行业历经五阶段跃迁：从门户时代、图文时代、图文音视频时代、长短视频+直播时代，发展至当前大模型技术赋能的多模态时代 [4][23] - 技术是行业变革的核心驱动力，推动媒介形态从单向传播向沉浸式、个性化、智能化的生态融合演进 [4][21] - 中国互联网用户规模增长红利见顶，网民规模达11.2亿，普及率达79.7%，移动互联网设备规模达14.4亿台，行业竞争进入存量精耕新阶段 [6] AI技术发展现状 - 人工智能技术演进呈现从符号逻辑到数据驱动、从专用模型到通用智能的螺旋式上升轨迹，现已进入生成式AI驱动的应用落地爆发时代 [9][10] - 大语言模型技术成熟度高，其Transformer架构和“预训练-微调”范式已成为行业标准，并通过混合专家、检索增强生成、思维链等技术快速向逻辑推理升级 [11] - 多模态大模型分为生成向和理解向两类，受限于数据异构性与模态对齐难度，尚未实现底层能力有效融合，整合不同模态的生成和理解是发展关键方向 [13] - 生成式AI应用已在多领域爆发式落地：文本生成进入商业化成熟期，图像生成实现规模化应用，音频生成应用于垂直场景，视频生成因Sora等模型突破进入爆发前夜 [16] - 2025年大语言模型产业呈现三大特征：架构趋同（混合专家架构为主流）、能力分化（构建专业化模型矩阵）、全模态演进（处理多模态信息成标配），产业价值向场景化应用层转移 [18] AI对互联网媒体的全链路赋能 内容生产 - AI技术通过语义理解与多模态生成，将简单文字指令转化为图文、视频，突破专业壁垒，推动全民创作趋势 [24] - 中国11亿网民基数成为UGC多模态内容创作的天然土壤 [24] 内容审核 - AI通过多模态模型实现自动化初筛，降低基础工作量 [26] - 语义分析与情感识别技术提升复杂违规内容的判定准确性 [26] - 人机协同机制中，AI负责低风险过滤及风险分级，人工聚焦高敏感内容深度复核 [26] - 基于深度推理模型的动态策略优化，可实时适配新型违规模式，缩短规则迭代周期 [26] 内容分发与平台运营 - AI通过多维度数据分析、跨模态再生，优化推荐路径，实现精准实时推荐与多模态场景适配，提升分发效率 [28] - 在用户运营环节，通过优质内容精准匹配、部署智能客服及多样化AI应用，延长用户停留时长，强化参与粘性 [28] - AI可帮助平台优化人力资源配置，降低基础运营成本，并优化广告个性化生成与精准投放，开拓内容定制、创意广告等新商业形态 [28] 内容消费 - AI打破信息触达壁垒，通过多语言翻译、文本语音互转实现无障碍内容获取 [31] - 以智能摘要、对话式咨询等AI原生服务重构交互范式，实现从浅层浏览到深度探索的升级 [31] - 基于动态用户画像的精准推荐结合碎片化服务适配，形成千人千面的伴随式体验，并借助跨领域兴趣图谱拓展用户认知边界 [31] - AI辅助创作工具降低UGC门槛，使消费者向“产消者”转型，形成创作-消费-再创作的产消价值循环 [31] 行业标杆案例实践 中央媒体：人民日报 - 运用生成式AI技术提升视频内容创作效率，推出创意混剪作品 [36] - 推出“两会AI学习”专栏，采用多民族数字主持人播报新闻 [36] - 依托“创作大脑”AI+全息采录眼镜等设备，助力记者实现“一镜到底”的全媒体采编流程 [36] - 客户端累计下载量突破2.9亿次，微博粉丝超1.55亿，微信公众号订阅量达5737万，抖音关注数达1.74亿 [36] 地方媒体：澎湃新闻 - 系统性整合AI创作工具，形成派生万物AI办公、视觉与视频三大工作室，提升内容生产效率 [38][39] - 清穹内容风控智能平台嵌入生成式AI工作流，提供智能审核、智能校对、智能巡检、舆情监测、增值服务五大核心功能，保障内容安全 [38][39] 短视频媒体：抖音 - 以豆包大模型为核心技术底座，将AIGC技术深度嵌入“内容生产-处理剪辑-发布呈现-营销传播”全生命周期环节 [40] - 豆包大模型1.6版本于2025年6月发布，包含视频生成、语音播客、实时语音等多样化模型技术矩阵，支持深度思考、多模态理解、256k长上下文等能力 [40] 大众社交媒体：微博 - 以自研多模态知微大模型为技术底座，构建AI+产品矩阵，实现内容生态全链路智能化升级 [42] - 智搜产品结合知微大模型、DeepSeek-R1及多模态RAG技术，自动整理新闻事件要素，帮助用户“秒懂热点”，截至2025年6月月活跃用户已突破5000万 [44] AI时代行业面临的挑战 信息真实性 - 生成式AI技术可能被用于炮制虚假新闻、伪造影像，冲击社会信任体系 [46] - 算法生成内容的可靠性差异可能导致公众认知偏差与价值判断扭曲 [46] - 行业需通过跨模态审核、内容溯源追踪、可信度评级及AI生成内容显式标识等机制构建防御体系 [46] 视频生成效果 - 文生视频技术在物理逻辑一致性、角色身份连贯性及艺术细节控制上存在局限，构成商业化应用核心瓶颈 [49] - 当前AI视频更多停留在创意辅助和短内容测试阶段，难以满足影视级标准 [49] - 行业普遍采纳人机协同混合工作流，AI生成草稿，由人类专家完成最终艺术打磨 [49] 技术成本 - 算力、数据和人才等要素的巨额投入构筑了极高的准入门槛，AI竞赛呈现巨头游戏态势 [51] - 高昂成本阻碍技术普惠化，可能扩大数字鸿沟 [51] - 行业通过拥抱开源生态、利用MaaS服务API降低门槛，同时有实力的平台投资构建自有垂直领域模型以构筑壁垒 [51] 安全与隐私 - 个性化推荐与内容生成依赖海量用户数据，引发数据滥用、算法偏见、信息茧房及隐私泄露风险 [54] - 行业正构建以信任为核心的治理框架，贯彻隐私始于设计原则，应用联邦学习等技术，并赋予用户透明的数据控制权 [54]

AI顶尖人才薪酬市场现状 - 在NeurIPS会议上 AI顶尖研究人员的薪酬水平已提高至与职业运动员不相上下[2] - 一位得克萨斯大学奥斯汀分校的强化学习方向在读博士生第一年的期望薪酬总额为200万美元 包括签约奖金和股票薪酬[4] - 在AI领域中 像强化学习这样供不应求的方向 年薪100万美元已成为企业招揽人才的起步价[5] NeurIPS会议的角色与参与者 - NeurIPS兼具学术会议与招聘会的双重功能 约150家赞助企业在会场设立展位 共同目标是为AI研发部门招募优秀人才[4] - 参与人才争夺的不仅是科技公司 美国大型对冲基金城堡投资 Citadel DE Shaw 投资公司海纳国际集团 Susquehanna International Group 等作为顶级赞助商占据了显要位置[5] - 汽车制造商方面 除了特斯拉 美国通用汽车 GM 也是近年来首次参会 中国企业如字节跳动和阿里巴巴集团也参加了会议[5] 企业招聘策略与人才流向 - 科技公司如Meta曾以高额薪酬从竞争对手挖来AI人才 在各家公司以巨额投资推进AI开发竞赛的背景下 顶尖研究人员的待遇极高[4] - 对冲基金城堡投资为了将大语言模型定制用于金融交易 正在招聘专业人才 其优势是相对于科技公司以股票报酬为主 可以提供100万美元现金[5] - 阿里巴巴旗下的蚂蚁集团和淘宝网参展主要是为了吸引在美国就读的中国研究人员回国人才[6] 研究人员心态与市场认知 - 一位博士生看到学长和朋友以约100万美元薪酬入职美国OpenAI等公司后改变了职业规划 认为高额薪酬或许只是当前泡沫现象 就业还是趁早为好[4] - 一位弗吉尼亚大学从事强化学习研究的研究人员表示 在其周围开出100万美元年薪的报价并不罕见[5] - 在美国大学就读的AI研究人员中也有很多来自中国 会场上到处都能听到中文[5]

咱们今天聊个关乎所有人钱袋子的事：美联储刚官宣新一轮操作，直接给全球货币宽松按下"启动键"，这波操作到底藏着啥门道？ 他们的最新决议一点不含糊：不仅降息25个基点，还同步开启了"技术性扩表"，这俩词放一块说白了就是"一边让借钱更便宜，一边疯狂印钱撒向市场"，组 合拳一出，全球流动性宽松直接加码。 所谓技术性扩表，本质就是印钞买债券，美联储明确说了，每月要花4万亿美元买短期国债，而且这事儿本周五就正式启动，速度比市场预想的快多了。 4万亿美元可不是小数目，相当于不少中小国家全年的GDP总量，这么多钱砸进市场，必然会引发连锁反应。 有意思的是政策信号还挺矛盾，点阵图显示明年只计划降息一次，看着像是偏"鹰派"的谨慎态度，但美联储主席鲍威尔的话却截然相反。 他直言现在通胀已经不算高，失业风险才是当前最大的经济难题，这番表态妥妥的"鸽派"作风，一边暗示少降息，一边强调保就业，这种矛盾背后，其实藏 着美联储的深层考量。 美联储的看似矛盾的操作，核心原因就一个，人工智能被正式纳入了政策考量的核心范畴，这可不是小事，意味着科技革命已经开始影响全球顶级央行的决 策逻辑。 美联储指出未来经济的生产力提升，要么来自生成式AI，要么 ...

行业核心观点 - 中国AI产业正经历从“炼大模型”到“炼大应用”的范式转移，技术可行性不再是瓶颈，商业可行性和应用落地成为企业竞争的核心赛道 [5] - 产业共识是推动人工智能与经济社会各行业各领域深度融合，关键在于解决技术突破后如何找到应用场景、降低算力成本及形成产业链协同 [5][6] - 长三角地区作为中国经济最具活力的区域之一，有基础、有能力在AI产业协同发展中走在前列 [35] 政策与区域产业布局 - 2024年8月，国务院印发《关于深入实施“人工智能+”行动的意见》，明确提出推动人工智能与经济社会各行业各领域融合 [5] - 临平区作为杭州最年轻的行政区，区域面积286平方公里，常住人口超过150万，2024年全区GDP为1175亿元 [6] - 临平区在人工智能产业已集聚新势力企业超过100家，涵盖算力服务、数据服务、算法模型等多个领域，累计列入省级人工智能领域示范项目18个 [6] - 算力小镇作为临平区核心载体，开园四年以来聚焦集成电路设计和人工智能两大主要赛道，已集聚企业2600余家，其中科技企业800余家 [7] - 临平区提供包括90%的租金补助、50%的算力补助、30%的研发补助以及最高120万元的购房补贴等政策组合拳，以降低企业试错成本，换取产业集聚时间窗口 [7] 技术发展趋势与前沿研判 - 工业智能化的核心挑战在于因果关系不清，需研究新的工业智能算法，结合信息化与自动化算法，形成“动态系统人工智能” [12] - 中国在工业智能领域有潜力走在世界前列，因美国工业系统掌握在大公司手中不愿改动，而中国有机会利用真实生产数据迭代算法 [12] - AI技术演进的关键“奇点”在于传感器、算力和脑智能，缺乏原创技术突破将限制应用天花板，中国需从“跟跑”转向“领跑” [14] - AI产业格局正从以算力为底座的“正三角”模式，转向以AI Agent驱动为主的“倒三角”模式 [18] - 产业正经历从“训练周期”到“推理周期”的转变，这有助于缓解算力瓶颈，并为从应用侧实现弯道超车创造战略机遇 [20] 商业化挑战与市场机遇 - 约95%的企业AI解决方案以失败告终，核心障碍在于组织鸿沟与技术鸿沟 [18] - AI成功融入产业需要三个关键要素协同：场景清晰、数据可用，以及在一把手驱动下组织具备变革意愿 [18] - 纯AI公司靠卖Token的商业化仍处于前期，未来清晰赛道包括数字员工（对准数字劳动力市场）和具身智能（对准物理劳动力市场），按估算均是百万亿美金级别市场 [21] - 2025年被判断为中国AI大模型的破局之年，开源模型被视为中国的“国运级机会”，有助于构建更深的产业协同 [22] - 2025年也被视为AI原生元年，推理侧用量突飞猛进，产业共识围绕“重做vs再生”展开 [27] 具体应用场景与实践案例 - 通过AI技术构建“空天地海一体化”安全信息网络，可为低空经济提供可靠技术保障，使低慢小飞行器能够“看得见、呼得着、管得住、很安全” [10] - “低空+智慧城市”实践展示了AI技术在城市治理中的创新应用，AI需要有时间和空间的概念以构建垂直大模型，中国低空经济有望成为全球佼佼者 [21] - 在金融领域，AI应用已使银行财报分析效率提升20倍 [25] - 在物流领域，无人配送车帮助客户降低50-60%的成本 [25] - AI在垂直领域的价值已从概念走向实践，但物理世界智能化仍面临实时性、安全工程、世界模拟器构建等技术挑战 [25] - 创新应用案例包括：能记住所有历史健康信息的家庭医生（再生物种），以及一人一天译制完成几部剧并出海全球的颠覆性革命 [27] 产业生态构建与资本动态 - 浙江图灵算力研究院作为产业链“连接器”，通过提供产业研究、战略咨询、市场对接、资本助力等服务，试图解决AI企业商业化过程中的真实难题 [6] - 算力小镇构建了“平台、基金、政策、活动、配套”五位一体的产业要素支撑平台体系 [32] - 设立总规模4亿元的算力产业基金，并推出最高200万元的算力券补贴，以大幅降低中小企业算力成本 [32] - 大会期间，奈杜集团、睿微讯科、矽池半导体、摩尔星核、一心堂柏安、辽翔动力等6家企业签约入驻算力小镇，业务涵盖芯片设计、智能硬件、行业应用等AI产业链上下游关键环节 [29] - 同时，小镇企业星物种机器人、徴格半导体分别与强脑科技和申昊科技达成战略合作，呈现出产业链上下游的协同配置 [29] 未来展望与行业判断 - 中国未来的AI发展愿景是：以自主研发的大模型为智能源头，赋能千行百业，从AI应用软件、智能硬件到自动驾驶和具身智能等，这正在成为现实 [22] - 2025年AI产业正从技术验证期进入体验重塑期的关键转折，覆盖从基础设施到终端体验的全链路 [27] - 算力小镇未来将继续深化“算力+”产业布局，加快推进低空经济等前沿领域探索，致力打造长三角算力成本洼地与模型输出源地 [32] - 中国工程师在规模、成本、产业落地能力上的三重优势，被视为AI时代的核心竞争力 [20] - AI时代组织正在重构，每一个工作的人都需要定位高一层，中层管理者会越来越少，每个人都是布置作业和检查作业的人 [21]

作者｜黄楠 但大模型狂飙3年后，一个实际的问题出现："除了特定场景的单点突破，AI如何真正走进物理世界、成为改变生产生活的实用工具？" 这也是商汤在每一次技术迭代中都在追问的核心命题。 随着具身智能成为下一代AI革命的主赛场，近日，大晓机器人公司成立，由商汤联合创始人、执行董事王晓刚出任大晓机器人董事长，正式入局具身智 能战场。 王晓刚告诉硬氪，大晓机器人成立的初衷，并非是跟风"本体内卷" 或 "复杂技能炫技"，而是要回归真正的痛点，并提出"以人为中心（Human- centric）"的全新研究范式。在提供专注于构建能理解物理世界规律的"大脑"基础之上，最终输出一个适配真实场景需求的软硬一体产品。 编辑｜袁斯来 在AI行业，商汤科技已经是家成立11年的公司，早已习惯一次次浪起浪涌。 在视觉AI崛起的时代，它从港中文实验室跑出、叩开规模化落地的大门。但To B业务从来不是一份轻松活，包括商汤在内、绝大部分公司不得不应对客 户长期定制化的开发需求。 直到ChatGPT横空出世，所有公司集体转向大模型。在算力层面先走一步的商汤，找到了施展空间。根据商汤年报，其生成式AI 2024年收入为24亿元， 占比由2023年 ...

文章核心观点 - 2026年企业管理核心议题是“人效” 提升人效已从抓增长转向抓效率 成为关系公司生死存亡的“一把手工程” [5] - 真正的人效提升是一项复杂的系统工程 而非简单的“降本增效” [5] - 企业需完成五大变革以应对AI颠覆、合规倒逼、管理提质、组织精实和全球运营的挑战 人效是面向未来的核心组织能力 [33] 一、AI重塑工作：从“AI当工具”到“AI当员工” - 2026年AI将带来真正冲击 企业生成式AI采用率从33%跃升至65% 到2028年15%的日常工作决策将由AI自主完成 到2030年今天30%的工作时间可能被自动化 [8] - AI将从“辅助工具”进化为“自主的数字员工” 引发“认知革命” 核心是AI如何“增强”人类 而非“替代” [11] - 企业竞争将从“有没有AI”转变为“如何管理和激发数字员工的效率” 人类核心价值转向“思考者”、“创造者”和“沟通者” [11] 二、合规：高质量发展下的企业“生死线” - 金税四期、社保解释2等国家强制合规信号是高质量发展和反内卷国家级战略转型的体现 合规成为筛选企业生死的“过滤网” [13] - 依赖“不缴社保”、“克扣加班费”等不合规操作获利的商业模式属于“落后产能” 将被淘汰 强制合规是倒逼反内卷的国家战略 [13] - 合规压力迫使企业审视内部效率低下问题 如冗长会议、重复审批、错配岗位等 效率提升议题转向如何缩短工时、提升时间利用率 [13][14] 三、必由之路：从“降本增效”到“赋能增效” - 单纯“降本增效”的“拧毛巾”方式已难以为继 甚至可能沦为“降本搞笑” [17] - 人效公式为人效 = 价值 / 工时 提升人效需增加价值或缩短工时 与过去“996、007”理念相反 [17] - “赋能增效”核心路径是构建“时间-技能-动能”的人效飞轮 将员工视为可激活的“投资”而非需监控的“成本” [21][22] 四、管理者的“大淘汰”，AI正在“杀死”中层 - 到2026年 20%的组织将利用AI扁平化组织结构 淘汰超过一半现有中层管理职位 [24] - 淘汰压力来自两股力量合围：AI对传统管理职能（派活、催进度、批流程、做报表）的“降维打击” 以及CEO对人效的终极拷问 [26] - 管理者需向三个方向转型：赋能时间（砍掉效率黑洞）、赋能技能（人尽其才）、赋能动能（建立阳光激励机制） [27] - 管理将不再是简单“职位” 而是稀缺“能力” [28] 五、全球一张网：打破出海人效的“不可能三角” - 2024年中国全行业对外直接投资同比增长11.3% 出海成为寻求增量、对抗内卷的必答题 [30] - 2026年出海进入“深水区” 核心挑战是提升全球化运营效率 需建成“全球一张网” 实现“全球一盘棋 本地化运营” [30] - 出海企业面临三大挑战：合规是“生存底线” 效率是“竞争命脉” 体验是“扎根基石” 需尊重本地化差异 [32] - 未来管理者需成为“人+AI”混合团队的“指挥家”、“赋能与激活”的“超级教练”以及“懂业务、算总账”的“微型CEO” [31]

文章核心观点 - 生成式人工智能在科研领域的应用日益广泛，但引发了包括伪造数据、代写论文和“思想抄袭”在内的新型学术不端行为，对学术诚信构成全新挑战 [1] - 科技期刊作为“守门人”，正通过要求作者声明AI使用情况、核查“幻觉式引用”以及制定内部政策等方式进行应对，核心原则是确保透明度并由人类研究者承担最终责任 [1][8] 科技期刊的应对措施与政策 - 《柳叶刀》系列期刊要求作者在投稿时通过复选框声明是否使用了生成式AI，若使用则需详细说明模型名称、版本、提示词、使用目的及位置，并将此信息与论文一同发表 [1] - 期刊不允许在同行评审过程中使用生成式AI，以防破坏保密性，也不支持用AI替代研究人员提出科学见解、分析解释数据或得出科学结论 [5] - 期刊内部成立了研究诚信工作组，负责紧跟最新政策、制定内部AI使用规范，并监控处理相关案例，同时关注外部指南（如国际出版伦理委员会的更新）以指导决策 [8] - 期刊正在筹备成立科研诚信委员会，计划于明年二月启动，生成式AI对科研诚信的影响将是其关注重点之一 [8] AI使用现状与披露问题 - 根据《柳叶刀》的统计，只有7%的作者在投稿时声明使用了生成式AI，这与一些调查显示的超过50%的使用率存在巨大差距，表明许多作者未准确披露 [2] - 编辑发现存在未声明的AI生成内容，主要表现为“幻觉式引用”，即论文中引用了无法检索到、不存在的参考文献，个别论文中此类虚假引用多达10至15个 [2] - 对于明显不当使用AI且未声明的论文，期刊会采取拒稿处理，但过去一个月因此拒稿的情况仅发生几次，目前仍属新现象 [3][4] - 期刊每天会收到约5篇明显由生成式AI撰写的、内容套路且无实质科学发现的通讯投稿，这类稿件会被直接拒收 [4] 生成式AI的允许与禁止用途 - **允许的用途**：支持作者使用生成式AI改善语法和语言表达以提高可读性，以及用于查阅和总结已有的研究成果 [7] - **禁止的用途**：禁止在同行评审过程中使用；禁止用AI替代研究人员进行核心科研工作（如提出见解、分析数据、得出结论）；在创建图形或插图时，AI仅可作为头脑风暴和提出概念的工具 [5] 使用原则与潜在风险 - 应将生成式AI视为辅助工具，而非具备真正洞察力或智能的主体，人类需进行监督并承担最终责任 [7][9] - 使用生成式AI存在诸多风险，包括产生“幻觉”内容、存在偏见与种族主义、导致模型崩溃，这些都可能损害公众对科学的信任 [9] - 当前AI生成的内容往往表面合理但缺乏真正的洞察力、新颖性和实际意义，并可能使下一代研究人员面临“去技能化”的风险 [9]